本申請涉及圖像檢測領(lǐng)域，尤其涉及一種目標(biāo)檢測方法及裝置。

背景技術(shù)：

隨著數(shù)字圖像處理技術(shù)的不斷進步，視頻監(jiān)控早已從模擬監(jiān)控發(fā)展到數(shù)字監(jiān)控階段，并從常規(guī)監(jiān)控發(fā)展到智能監(jiān)控層次。常規(guī)監(jiān)控通過人腦實現(xiàn)對圖像進行分析，智能監(jiān)控則通過計算機自動實現(xiàn)圖像分析功能。圖像分析指對視頻圖像中感興趣的目標(biāo)，進行檢測、跟蹤、識別、行為分析等處理工作。該技術(shù)融合了計算機視覺、模式識別、人工智能等技術(shù)，又常稱為圖像智能分析。圖像智能分析能夠識別傳感器無法檢測出的異常事件，提高視頻監(jiān)控系統(tǒng)的智能化程度。圖像智能分析技術(shù)被廣泛應(yīng)用于包括安全防范、道路交通監(jiān)控、遠(yuǎn)程無人值守、停車場管理以及武器智能化在內(nèi)的多個領(lǐng)域。

圖像智能分析的處理流程主要包括目標(biāo)檢測、目標(biāo)跟蹤、行為分析三個階段。目標(biāo)檢測是搜索圖像中感興趣的區(qū)域，以獲得靜止目標(biāo)或運動目標(biāo)的客觀信息。目標(biāo)跟蹤是對感興趣的目標(biāo)進行跟蹤，以獲取其運動狀態(tài)、運動軌跡等信息。行為分析是利用目標(biāo)運動信息和目標(biāo)特征，對照行為狀態(tài)模型，以識別或理解目標(biāo)的行為類型。目標(biāo)檢測、目標(biāo)跟蹤是行為分析的基礎(chǔ)，三者是相輔相成的關(guān)系。

現(xiàn)有技術(shù)中，常用的運動目標(biāo)檢測方法包括背景差分法和幀間差分法。背景差分法實現(xiàn)簡單，但單純采用背景差分法對場景中光照等背景擾動比較敏感，光照突變處理能力弱，常通過復(fù)雜的背景模型來彌補，計算量大。幀間差分法實現(xiàn)簡單，受光線變化影響小，但檢測出的運動目標(biāo)不完整，需要 通過復(fù)雜手段來彌補。對于靜止目標(biāo)判定，現(xiàn)有技術(shù)采用設(shè)置較快背景更新速度，緩存靜止目標(biāo)、進行時長計數(shù)，時長到達(dá)設(shè)定值時輸出靜止目標(biāo)，這種延時控制的實現(xiàn)開銷較大，方案的性能較差。

技術(shù)實現(xiàn)要素：

本申請的目的是提供一種目標(biāo)檢測方法及裝置，以解決現(xiàn)有技術(shù)中的目標(biāo)檢測方法計算量大，光照突變處理能力弱，靜止目標(biāo)判定不可控的問題。

為實現(xiàn)上述目的，本申請?zhí)峁┝艘环N目標(biāo)檢測方法，所述方法包括：

對當(dāng)前幀圖像進行預(yù)處理，得到當(dāng)前幀灰度圖像；

獲取動態(tài)背景和參考背景；

對所述當(dāng)前幀灰度圖像和所述動態(tài)背景進行背景差分處理，得到第一差分圖像；

對所述第一差分圖像進行圖像分割處理，并判斷是否存在光照突變，如果是，則利用所述參考背景進行動態(tài)背景更新；

將所述當(dāng)前幀灰度圖像和更新后的動態(tài)背景進行差分處理及圖像分割處理，得到動態(tài)前景圖像；

判斷所述動態(tài)前景圖像是否存在虛假前景，如果否，則對所述動態(tài)前景圖像進行圖像后處理，得到運動目標(biāo)。

另一方面，本申請還提供了一種目標(biāo)檢測裝置，所述裝置包括：

第一處理單元，用于對當(dāng)前幀圖像進行預(yù)處理，得到當(dāng)前幀灰度圖像；

獲取單元，用于獲取動態(tài)背景和參考背景；

第二處理單元，用于對所述當(dāng)前幀灰度圖像和所述動態(tài)背景進行背景差分處理，得到第一差分圖像；

第三處理單元，用于對所述第一差分圖像進行圖像分割處理，并判斷是否存在光照突變，如果是，則利用所述參考背景進行動態(tài)背景更新；

第四處理單元，用于將所述當(dāng)前幀灰度圖像和更新后的動態(tài)背景進行差 分處理及圖像分割處理，得到動態(tài)前景圖像；

第五處理單元，判斷所述動態(tài)前景圖像是否存在虛假前景，如果否，則對所述動態(tài)前景圖像進行圖像后處理，得到運動目標(biāo)。

本申請?zhí)峁┑哪繕?biāo)檢測方法及裝置，背景差分處理采用動態(tài)背景和參考背景，實現(xiàn)運動目標(biāo)和靜止目標(biāo)區(qū)分；在圖像分割階段處理光照突變，利用參考背景進行動態(tài)背景更新，通過圖像的重新差分，進行運動前景的精確檢測，計算量小，光照突變處理能力強；對于靜止目標(biāo)判定，通過引入轉(zhuǎn)換延時幀數(shù)參數(shù)，實現(xiàn)靜止目標(biāo)轉(zhuǎn)換延時的可控性。

附圖說明

圖1為本申請實施例一提供的目標(biāo)檢測方法流程圖；

圖2為本申請實施例二提供的目標(biāo)檢測方法流程圖；

圖3為本申請實施例三提供的目標(biāo)檢測裝置示意圖。

具體實施方式

為使本申請實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本申請實施例中的附圖，對本申請實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例是本申請一部分實施例，而不是全部的實施例?；诒旧暾堉械膶嵤├?，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本申請保護的范圍。

本申請技術(shù)方案的應(yīng)用場景為：視頻圖像為靜態(tài)背景，有光照、樹枝搖動等影響因素。本申請技術(shù)方案涉及的目標(biāo)為運動目標(biāo)和靜止目標(biāo)，靜止目標(biāo)是由運動目標(biāo)停止運動產(chǎn)生的，例如人或遺留物品等。目標(biāo)數(shù)量可以為多個、運動速度可以為人行走速度。

圖1為本申請實施例一提供的目標(biāo)檢測方法流程圖。如圖1所示，所述方法包括：

步驟101，對當(dāng)前幀圖像進行預(yù)處理，得到當(dāng)前幀灰度圖像。

具體地，對視頻圖像的當(dāng)前幀圖像進行去噪和灰度化處理，得到當(dāng)前幀灰度圖像。

步驟102，獲取動態(tài)背景和參考背景。

具體地，在視頻圖像初始化過程中，獲取動態(tài)背景和參考背景。

動態(tài)背景用于檢測運動目標(biāo)，動態(tài)背景中包含靜止目標(biāo)；參考背景中不包含靜止目標(biāo)，與動態(tài)背景進行比較，通過差異來實現(xiàn)靜止目標(biāo)檢測。

為了克服光照漸變、樹枝搖動等背景擾動，參考背景支持多個背景狀態(tài)(例如，白天、夜晚、刮風(fēng)天等)，背景狀態(tài)個數(shù)由算法外部參數(shù)確定(缺省值為3)，以提高算法的可用性。動態(tài)背景只需一個背景狀態(tài)，可通過背景的快速更新來適應(yīng)參考背景的多個背景狀態(tài)。

為了實現(xiàn)背景的快速更新，動態(tài)背景采用滑動平均模型，可大幅減少背景更新的計算量，以提高更新速度?；瑒悠骄Ｐ椭校瑒討B(tài)改變更新系數(shù)α，以提高動態(tài)背景更新的收斂速度。當(dāng)靜止目標(biāo)移動、光照突變時用參考背景修正、調(diào)整動態(tài)背景，可提高背景更新的收斂速度，增加目標(biāo)檢測的精確性。

參考背景采用多個單高斯模型，以支持不包含靜止目標(biāo)的多個背景模型狀態(tài)，且可以適應(yīng)背景場景緩慢變化。

步驟103，對所述當(dāng)前幀灰度圖像和所述動態(tài)背景進行背景差分處理，得到第一差分圖像。

具體地，為了能夠檢測運動目標(biāo)和靜止目標(biāo)，采用背景差分法進行目標(biāo)檢測。將當(dāng)前幀和動態(tài)背景幀所有像素點灰度值相減，得到第一差分圖像。

步驟104，對所述第一差分圖像進行圖像分割處理，并判斷是否存在光照突變，如果是，則利用所述參考背景進行動態(tài)背景更新。

具體地，計算第一差分圖像所有像素點與動態(tài)背景的灰度差分均值、 二值圖的運動區(qū)域比例，如果灰度差分均值大于預(yù)設(shè)閾值，則表示像素點灰度發(fā)生同向變化，則判定圖像存在光照突變現(xiàn)象。

當(dāng)存在光照突變時，由于參考背景模型中包含光照時的背景，利用參考背景來覆蓋動態(tài)背景，可使動態(tài)背景立即調(diào)整為光照突變后的背景，模型與真實背景的精確性、模型更新的收斂性達(dá)到極限。

本申請的參考背景采用多個單高斯模型，以支持不包含靜止目標(biāo)的多個背景狀態(tài)，且可以適應(yīng)背景場景緩慢變化。將多個單高斯模型中的一個單高斯模型初始化為光照時的背景，來實現(xiàn)參考背景對光照突變的有效處理，同時可以為動態(tài)背景的光照突變處理提供支持。參考背景更新時，僅更新真正的背景，真正背景的灰度變化服從高斯分布，因此，更新區(qū)域為參考背景中剔除靜止前景的區(qū)域，更新條件是像素點灰度服從多個單高斯模型中的一個單高斯模型的高斯分布，由于只更新一個單高斯模型，因此，背景更新計算量僅為一個單高斯模型的計算量。

高斯模型使用背景與像素的均方差來更新背景，即μ_i+1(x,y)＝(1－ρ)μ_i(x,y)+ρI_i(x,y)，其中更新率ρ＝αη(I_i(x,y),μ_i(x,y),Σ_i(x,y))，α為更新系數(shù)，η為高斯函數(shù)，Σ為協(xié)方差矩陣。

當(dāng)?shù)谝徊罘謭D像不存在光照突變時，提取動態(tài)前景，執(zhí)行步驟106。

步驟105，將所述當(dāng)前幀灰度圖像和更新后的動態(tài)背景進行差分處理及圖像分割處理，得到動態(tài)前景圖像。

具體地，光照突變時，需要將動態(tài)背景調(diào)整為光照時的背景，再重新進行背景差分運算和圖像分割處理，才能有效地提取動態(tài)前景，提高動態(tài)前景檢測的精確度。

在動態(tài)背景更新以后，進行基于動態(tài)背景的圖像差分，能夠有效檢測出光照突變時的真實前景，從而有效處理光照突變帶來的干擾。

對于靜態(tài)背景，由于參考背景模型中包含了光照時的背景，因此，同樣進行參考背景更新即可。

本申請中，光照突變時，使用參考背景進行動態(tài)背景調(diào)整，可顯著提高動態(tài)背景的精確性、更新收斂性。而增加的算法開銷僅為重新進行背景差分、圖像分割，光照突變檢測在圖像分割中一并實現(xiàn)，不增加算法復(fù)雜度。

步驟106，判斷所述動態(tài)前景圖像是否存在虛假前景，如果否，則對所述動態(tài)前景圖像進行圖像后處理，得到運動目標(biāo)。

其中，虛假前景是指靜止目標(biāo)重新運動時產(chǎn)生的前景，虛假前景的特征是該區(qū)域的背景的灰度值為靜止目標(biāo)灰度值、當(dāng)前幀圖像的灰度值為參考背景的灰度值。通過以上虛假前景的特征來判斷動態(tài)前景圖像是否存在虛假前景，如果不存在虛假前景，則對動態(tài)前景圖像進行圖像后處理，得到運動目標(biāo)。

當(dāng)動態(tài)前景存在虛假前景時，進行虛假前景去除處理；對處理后的該區(qū)域的動態(tài)背景利用參考背景進行修正，以保證下一幀圖像目標(biāo)檢測的正確性。對修正后圖像進行圖像后處理，得到運動目標(biāo)。圖像后處理包括：檢測出前景、剔除無用目標(biāo)、將碎片處理成整體等。

步驟106之后，所述方法還包括：

根據(jù)圖像后處理結(jié)果，利用滑動平均模型進行動態(tài)背景更新，通過改變動態(tài)背景更新的參數(shù)，控制運動目標(biāo)轉(zhuǎn)換為靜止目標(biāo)的時間。

滑動平均模型使用背景值與當(dāng)前幀像素值的均差來進行背景更新，即像素點(x,y)的背景值μ_i+1(x,y)＝μ_i(x,y)+α[I_i(x,y)－μ_i(x,y)]，其中μ_i(x,y)為背景值、I_i(x,y)當(dāng)前幀像素值，α為更新系數(shù)(0＜α＜1)。

為了實現(xiàn)靜止目標(biāo)判定可控，引入一個外部參數(shù)延時幀數(shù)(delay frame number，DFN)，保持靜止?fàn)顟B(tài)幀數(shù)超過DFN的運動目標(biāo)，才轉(zhuǎn)變?yōu)殪o止目標(biāo)。利用DFN改變靜止目標(biāo)判定的規(guī)則，提高了方案的可用性。根據(jù)具體情況，目標(biāo)檢測的幀間隔不同，因此，用幀數(shù)代替時長，既有利于應(yīng)用，又實現(xiàn)了算法與硬件的獨立性。

為了實現(xiàn)目標(biāo)轉(zhuǎn)換延時的控制，通過DFN來調(diào)整動態(tài)背景所用滑動平均 模型的更新系數(shù)α，以控制靜止前景融入動態(tài)背景的收斂速度。即靜止前景的更新系數(shù)α＝k/DFN，其中k為常數(shù)，靜止前景漸變?yōu)閯討B(tài)背景的速度與DFN成反比。而保持運動狀態(tài)的運動目標(biāo)，其像素點每幀均產(chǎn)生突變，因此不會受DFN的限制。

為了提高動態(tài)背景更新的收斂速度，運動前景、靜止前景、參考背景的更新系數(shù)α各不相同。運動前景的α較小，便于提高檢測準(zhǔn)確率；靜止前景的α由參數(shù)DFN決定，便于實現(xiàn)判定規(guī)則可控；參考背景的α略大，便于提高背景收斂速度。通過修改背景模型的更新參數(shù)實現(xiàn)延時控制，不增加算法的復(fù)雜度。

本申請?zhí)峁┑哪繕?biāo)檢測方法，背景差分處理采用動態(tài)背景和參考背景，實現(xiàn)運動目標(biāo)和靜止目標(biāo)區(qū)分；在圖像分割階段處理光照突變，利用參考背景進行動態(tài)背景更新，通過圖像的重新差分，進行運動前景的精確檢測，計算量小，光照突變處理能力強；對于靜止目標(biāo)判定，通過引入轉(zhuǎn)換延時幀數(shù)參數(shù)，實現(xiàn)靜止目標(biāo)轉(zhuǎn)換延時的可控性。

圖2為本申請實施例二提供的目標(biāo)檢測方法流程圖。如圖2所示，所述方法包括：

步驟201，對當(dāng)前幀圖像進行預(yù)處理，得到當(dāng)前幀灰度圖像。

具體地，對視頻圖像的當(dāng)前幀圖像進行去噪和灰度化處理，得到當(dāng)前幀灰度圖像。

步驟202，獲取動態(tài)背景和參考背景。

具體地，在視頻圖像初始化過程中，獲取動態(tài)背景和參考背景。

動態(tài)背景用于檢測運動目標(biāo)，動態(tài)背景中包含靜止目標(biāo)；參考背景中不包含靜止目標(biāo)，與動態(tài)背景進行比較，通過差異來實現(xiàn)靜止目標(biāo)檢測。

為了克服光照漸變、樹枝搖動等背景擾動，參考背景支持多個背景狀態(tài)，背景狀態(tài)個數(shù)由算法外部參數(shù)確定(缺省值為3)，以提高算法的可用性。動態(tài)背景只需一個背景狀態(tài)，可通過背景的快速更新來適應(yīng)參考背 景的多個背景狀態(tài)。

為了實現(xiàn)背景的快速更新，動態(tài)背景采用滑動平均模型，可大幅減少背景更新的計算量，以提高更新速度。滑動平均模型中，動態(tài)改變更新系數(shù)α，以提高動態(tài)背景更新的收斂速度。當(dāng)靜止目標(biāo)移動、光照突變時用參考背景修正、調(diào)整動態(tài)背景，可提高背景更新的收斂速度，增加目標(biāo)檢測的精確性。

參考背景采用多個單高斯模型，以支持不包含靜止目標(biāo)的多個背景狀態(tài)，且可以適應(yīng)背景場景緩慢變化。

步驟202之后，所述方法還包括：對當(dāng)前幀灰度圖像和所述參考背景進行背景差分處理，得到第二差分圖像；

對第二差分圖像進行圖像分割；

當(dāng)分割后圖像中只有背景時，利用單高斯模型對分割后圖像進行參考背景更新。

步驟203，對所述動態(tài)背景和所述參考背景進行背景差異比較，得到靜止前景圖像。

步驟204，對所述靜止前景圖像進行圖像后處理，得到靜止目標(biāo)。

本申請?zhí)峁┑哪繕?biāo)檢測方法，背景差分處理采用動態(tài)背景和參考背景，實現(xiàn)運動目標(biāo)和靜止目標(biāo)區(qū)分；在圖像分割階段處理光照突變，利用參考背景進行動態(tài)背景更新，通過圖像的重新差分，進行運動前景的精確檢測，計算量小，光照突變處理能力強；對于靜止目標(biāo)判定，通過引入轉(zhuǎn)換延時幀數(shù)參數(shù)，實現(xiàn)靜止目標(biāo)轉(zhuǎn)換延時的可控性。

圖3為本申請實施例三提供的目標(biāo)檢測裝置示意圖。如圖3所示，所述裝置包括：第一處理單元301、獲取單元302、第二處理單元303、第三處理單元304、第四處理單元305和第五處理單元306。

第一處理單元301，用于對當(dāng)前幀圖像進行預(yù)處理，得到當(dāng)前幀灰度圖像；

獲取單元302，用于獲取動態(tài)背景和參考背景；

第二處理單元303，用于對所述當(dāng)前幀灰度圖像和所述動態(tài)背景進行背景差分處理，得到第一差分圖像；

第三處理單元304，用于對所述第一差分圖像進行圖像分割處理，并判斷是否存在光照突變，如果是，則利用所述參考背景進行動態(tài)背景更新；

第四處理單元305，用于將所述當(dāng)前幀灰度圖像和更新后的動態(tài)背景進行差分處理及圖像分割處理，得到動態(tài)前景圖像；

第五處理單元306，判斷所述動態(tài)前景圖像是否存在虛假前景，如果否，則對所述動態(tài)前景圖像進行圖像后處理，得到運動目標(biāo)。

可選地，所述裝置還包括：

第六處理單元307，用于對所述動態(tài)背景和所述參考背景進行背景差異比較，得到靜止前景圖像；

還用于對所述靜止前景圖像進行圖像后處理，得到靜止目標(biāo)。

可選地，所述裝置還包括：

第七處理單元308，用于對所述當(dāng)前幀灰度圖像和所述參考背景進行背景差分處理，得到第二差分圖像；

還用于對所述第二差分圖像進行圖像分割；

還用于判斷分割后圖像是否只有背景，如果是，則進行參考背景更新。

可選地，所述第七處理單元308具體用于：

判斷分割后圖像是否只有背景，如果是，則利用單高斯模型對分割后圖像進行參考背景更新。

可選地，所述裝置還包括：

提取單元309，用于當(dāng)所述第一差分圖像不存在光照突變時，提取動態(tài)前景；

還用于判斷所述動態(tài)前景是否存在虛假前景，如果否，則對所述動態(tài)前景進行圖像后處理，得到運動目標(biāo)。

可選地，所述裝置還包括：

第八處理單元310，用于當(dāng)所述動態(tài)前景存在虛假前景時，進行虛假前景去除處理；

還用于對處理后的動態(tài)前景進行動態(tài)背景修正。

可選地，所述裝置還包括：

動態(tài)背景更新單元311，用于根據(jù)圖像后處理結(jié)果進行動態(tài)背景更新；

還用于通過改變動態(tài)背景更新的參數(shù)，控制運動目標(biāo)轉(zhuǎn)換為靜止目標(biāo)的時間。

可選地，動態(tài)背景更新單元311具體用于：

根據(jù)圖像后處理結(jié)果，利用滑動平均模型進行動態(tài)背景更新。

本申請實施例三提供的裝置植入了本申請實施例一提供的方法，因此，本申請?zhí)峁┑难b置的具體工作過程，在此不復(fù)贅述。

本申請?zhí)峁┑哪繕?biāo)檢測裝置，背景差分處理采用動態(tài)背景和參考背景，實現(xiàn)運動目標(biāo)和靜止目標(biāo)區(qū)分；在圖像分割階段處理光照突變，利用參考背景進行動態(tài)背景更新，通過圖像的重新差分，進行運動前景的精確檢測，計算量小，光照突變處理能力強；對于靜止目標(biāo)判定，通過引入轉(zhuǎn)換延時幀數(shù)參數(shù)，實現(xiàn)靜止目標(biāo)轉(zhuǎn)換延時的可控性。

專業(yè)人員應(yīng)該還可以進一步意識到，結(jié)合本文中所公開的實施例描述的各示例的對象及算法步驟，能夠以電子硬件、計算機軟件或者二者的結(jié)合來實現(xiàn)，為了清楚地說明硬件和軟件的可互換性，在上述說明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計約束條件。專業(yè)技術(shù)人員可以對每個特定的應(yīng)用來使用不同方法來實現(xiàn)所描述的功能，但是這種實現(xiàn)不應(yīng)認(rèn)為超出本申請的范圍。

結(jié)合本文中所公開的實施例描述的方法或算法的步驟可以用硬件、處理器執(zhí)行的軟件模塊，或者二者的結(jié)合來實施。軟件模塊可以置于隨機存儲器(RAM)、內(nèi)存、只讀存儲器(ROM)、電可編程ROM、電可擦除可編程ROM、 寄存器、硬盤、可移動磁盤、CD-ROM、或技術(shù)領(lǐng)域內(nèi)所公知的任意其它形式的存儲介質(zhì)中。

以上所述的具體實施方式，對本申請的目的、技術(shù)方案和有益效果進行了進一步詳細(xì)說明，所應(yīng)理解的是，以上所述僅為本申請的具體實施方式而已，并不用于限定本申請的保護范圍，凡在本申請的精神和原則之內(nèi)，所做的任何修改、等同替換、改進等，均應(yīng)包含在本申請的保護范圍之內(nèi)。